Python Pandas找到缺失值的位置
来源:互联网 发布:软件开发速成 编辑:程序博客网 时间:2024/05/29 15:13
问题描述:
python pandas判断缺失值一般采用 isnull()
,然而生成的却是所有数据的true/false矩阵,对于庞大的数据dataframe,很难一眼看出来哪个数据缺失,一共有多少个缺失数据,缺失数据的位置。
首先对于存在缺失值的数据,如下所示
import pandas as pdimport numpy as npdf = pd.DataFrame(np.random.randn(10,6))# Make a few areas have NaN valuesdf.iloc[1:3,1] = np.nandf.iloc[5,3] = np.nandf.iloc[7:9,5] = np.nan
0 1 2 3 4 50 0.520113 0.884000 1.260966 -0.236597 0.312972 -0.1962811 -0.837552 NaN 0.143017 0.862355 0.346550 0.8429522 -0.452595 NaN -0.420790 0.456215 1.203459 0.5274253 0.317503 -0.917042 1.780938 -1.584102 0.432745 0.3897974 -0.722852 1.704820 -0.113821 -1.466458 0.083002 0.0117225 -0.622851 -0.251935 -1.498837 NaN 1.098323 0.2738146 0.329585 0.075312 -0.690209 -3.807924 0.489317 -0.8413687 -1.123433 -1.187496 1.868894 -2.046456 -0.949718 NaN8 1.133880 -0.110447 0.050385 -1.158387 0.188222 NaN9 -0.513741 1.196259 0.704537 0.982395 -0.585040 -1.693810
df.isnull()
会产生如下结果
0 1 2 3 4 50 False False False False False False1 False True False False False False2 False True False False False False3 False False False False False False4 False False False False False False5 False False False True False False6 False False False False False False7 False False False False False True8 False False False False False True9 False False False False False False
df.isnull().any()
则会判断哪些”列”存在缺失值
0 False1 True2 False3 True4 False5 Truedtype: bool
对于该问题,可以采用如下方式解决:
df[df.isnull().values==True]
Out[126]: 0 1 2 3 4 51 1.090872 NaN -0.287612 -0.239234 -0.589897 1.8494132 -1.384721 NaN -0.158293 0.011798 -0.564906 -0.6071215 -0.477590 -2.696239 0.312837 NaN 0.404196 -0.7970507 0.369665 -0.268898 -0.344523 -0.094436 0.214753 NaN8 -0.114483 -0.842322 0.164269 -0.812866 -0.601757 NaN
可以只显示存在缺失值的行列,清楚的确定缺失值的位置。
2 0
- Python Pandas找到缺失值的位置
- python pandas 如何找到NaN、缺失值或者某些元素的索引名称以及位置,np.where的使用
- pandas:填充缺失值
- pandas处理缺失值
- python解决pandas处理缺失值为空字符串
- python pandas 位置索引
- python:pandas(4),缺失数据处理
- 《利用Python进行数据分析》第5章 pandas的数据汇总与处理缺失数据
- pandas教程:[22]填充缺失值
- 利用Python进行数据分析 pandas基础: 处理缺失数据
- Python缺失的{},永远的痛
- pandas 学习(四)—— 数据处理(清洗)、缺失值的处理
- pandas:填充缺失值 fillna("missing") 和fillna("missing",inplace=True)的区别
- Python处理缺失值
- pandas处理缺失数据
- pandas去重、缺失
- Pandas缺失数据处理
- pandas的基本用法(四)——处理缺失数据
- SQL Server2012安装过程中提示需要更新的以前的VS2010的实例
- java——与c++比较之不同——类
- SQL 语句转换格式函数Cast、Convert
- [翻译]HyperLedger下一代共识架构提案
- 黑客季昕华——从技术宅到创业英雄的五个故事
- Python Pandas找到缺失值的位置
- 1.5_Android Training 学习笔记_Fragment
- FTP文件的上传和下载---org.apache.commons.net.ftp.FTPClient
- Eclipse svn报文件夹 "" 已不存在 [转载]
- Hyperleger源码分析--共识算法
- 笔记
- Android 环形进度Progress
- linux札记
- hdu 5878 I Count Two Three